目标检测-R-FCN
Posted wyx501
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了目标检测-R-FCN相关的知识，希望对你有一定的参考价值。
1、R-FCN结构
适应全卷积化CNN结构，提出全卷积化设计
共享ResNet的所有卷积层
引入变换敏感性（Translation variance）
1、位置敏感分值图（Position-sensitive score maps）
特殊设计的卷积层
Grid位置信息+类别分值
2、位置敏感池化（Position-sensitive RoI pooling）
无训练参数
无全连接网络的类别判断
位置敏感卷积层：使用k^2（C+1)个通道对（位置，类别）进行组合编码
类别：C个物体类+1个背景类
相对位置：K*K个Grid
位置敏感RoI池化层：显式地编码相对位置信息
R-FCN的Score map的可视化
2、R-FCN的训练
OHEM（Online Hard Example Mining）
首先对RPN获得的候选ROI（正负样本分别进行排序）进行排序操作；
然后在含有正样本（目标）的ROI中选择前N个ROI，将正负样本的比例维持在1：3的范围内，保证每次抽取的样本中都会有一定的正样本
这样训练可以提高网络的分类能力
Faster R-CNN的4步训练法
2轮：RPN跟R-FCN交替训练
以上是关于目标检测-R-FCN的主要内容，如果未能解决你的问题，请参考以下文章